智能無線網絡診斷與優化模式

中國移動通信集團江蘇有限公司鎮江分公司 張 晶 韓 平 宋嘯天

智能無線網絡診斷與優化模式

中國移動通信集團江蘇有限公司鎮江分公司 張 晶 韓 平 宋嘯天

介紹了無線網絡優化模式的發展歷程、現狀及面臨的問題，并介紹了智能化無線網絡診斷與優化模式及核心算法。智能無線網絡優化模式更加貼近實際運維工作模式，成為無線網優管理督導和輔助決策的有效手段。

智能； 無線網絡； 診斷； 優化

1 基本情況

1.1 運營商無線網絡優化面臨的問題

1.1.1 優化目標壓力加大

主動優化： 日常網優工作中測試數量巨大，難以分析海量數據。數據的處理以生成報告為主，很難及時發現、分析測試中的異常問題。數據信息來源多，關聯分析難度加大，即便能發現異常問題，也無法高效分析，仍較多依賴人工經驗分析。

精細優化： 復雜網絡上疊加的各類語音、數據業務和手機終端互聯網業務的加入使得用戶對業務體驗的感知直接轉移至對網絡的感知。長期以來培養形成的移動用戶高期望值對網絡優化工作精細度要求持續提升。

快速優化： 適應2G（第二代移動通信技術）、3G、4G、WLAN（無線局域網）多網融合壓力和更高頻度的網絡調整。網絡技術升級迅速，優化人員學習壓力大。

1.1.2 優化資源已趨飽和

網優人員編制有限，而網絡規模越來越大，優化資源的增長難以跟上網優工作需求，導致網優人員工作壓力越來越大。目前的網優工作中，測試、分析主要依靠人工完成，網優人員持續的在測試、分析、再測試、再分析中交錯進行，效率比較低，人力成本、時間成本都比較高，迫切需要一種新的流程在不影響網優質量的前提下提高工作效率，降低成本。無線設備復雜度增加10倍，網優人員技術能力卻增長緩慢。

自2009年至2013年網絡規模擴大1倍而優化人員數量卻難以增加。

1.1.3 運維資源多樣化帶來發展隱憂

自維隊伍持續弱化： 知識更新速度無法趕上技術更新速度，自維技術人員老化加速。伴隨代維的引入，管理要求提高，部分自維力量逐步轉向維護管理。企業業務、智能終端等前臺支持任務劇增，自維資源大量前移，代維資源把控能力差，部分代維力量維護責任心與自維團隊存在差距。受投入影響，代維力量核心人員配置不足，應對突發事件能力弱。部分代維力量技術人員穩定性差，對網絡質量形成潛在隱患。同時服務于不同運營商，導致代維資源同質化，網絡質量優勢被削弱。

1.2 智能分析技術將是無線網絡運維的未來

優化模式必須和網絡演進同步發展，才能實現統一的無線網絡發展目標。

無線網絡正快速升級，“暢通”是運維的方向。而依賴人

工經驗的傳統運維模式不是未來，只有發展更智能的優化模式才能夯實移動網絡的發展基礎。本文針對上述實際情況，研究智能化無線網絡優化模式，在確保網絡質量的前提下，提升無線網絡優化效率，減輕網優人員的工作負荷，使網絡優化工作可持續開展。

2 無線網絡優化模式

2.1 無線網絡優化模式的發展歷史

第一代（20世紀80年代）數據記錄統計：傳統的路測數據，需要人工整理和統計，完全基于個體經驗進行數據判讀[1]。

第二代（20世紀90年代）數據呈現報表統計： 傳統后臺分析網絡數據和性能統計，可以替代人工進行數據整理和統計，但分析過程仍需人工判讀[2-3]。

第三代（千禧年）后臺專題分析： 現有的后臺分析具備專題分析能力，除替代人工進行整理和統計外，還能開展流程化的問題解決向導，但人工判讀依然是分析核心[4]。

第四代智能分析決策： 最大化集成海量網絡優化經驗，關聯前臺測試和后臺性能統計數據進行智能分析診斷并提出解決建議，人工只需進行問題解決方案決策[5]。

2.2 智能化無線網絡診斷與優化模式

智能分析診斷模式結構見圖1。

2.2.1 智能優化模式的輸入

智能分析診斷的輸入分為兩個部分： 一是前臺網絡測試數據，來源于路測軟件、ATU（自動路測）平臺、掃頻儀等測試終端。二是網絡統計數據，來源于網管系統的網絡配置、性能統計、故障告警報表，網絡信令監測系統及測量報告分析系統。

2.2.2 智能優化模式的主體

智能分析診斷的主體為“軟件加算法包”架構的分析平臺：軟件包為無線分析算法包，成體系的固化了大量網優人員的分析實踐經驗。軟件通過加載算法包對輸入數據中的網絡測試數據和網絡統計數據進行異常檢測。針對出現的異常結合故障告警報表、網絡配置報表、信令監測系統等進行故障檢查形成成因分析。同時根據算法包中固化的優化經驗結合實際情況給出解決措施。

2.2.3 智能優化模式的輸出

智能分析診斷的輸出采用思維導圖方式給出異常、故障、成因、措施的分層結果供決策實施。既可以指導日常優化實施，又可以作為典型問題案例。

2.3 智能化無線網絡診斷與優化核心算法

智能化無線網絡診斷與優化核心算法見圖2。

2.3.1 異常檢測算法

異常檢測算法主要包含以下幾個大類：

未接通類、掉話類： 主要針對TCH（業務信道）指配、鑒權、附著等過程進行計算判斷。

切換重選類： 主要針對小區內切換、小區間切換、TCH切換、同頻段切換、跨頻段切換、位置區更新、路由區更新等過程進行計算判斷。

用戶感知類： 主要針對FTP（文件傳輸協議）速率低、語音MOS（平均意見評分）差等過程進行計算判斷。

2.3.2 故障檢查算法

故障檢查算法在物理層主要為以下兩類：

無線覆蓋類： 該類算法主要服務于掉話、未接通、速率低等異常事件，同時也對統計性覆蓋問題進行分析，主要包括弱覆蓋、無主覆蓋、越區覆蓋、反向覆蓋、室內信號泄露等分析方向。

鏈路干擾類： 該類算法主要服務于掉話、未接通、EGPRS（增強型通用分組無線業務）速率低等異常事件，同時也對統計性干擾問題進行分析，主要包括下行干擾、上行干擾、鏈路平衡、功率陡降等分析方向。

故障檢查算法在網絡層主要為以下兩類：

切換重選類： 該類算法服務于掉話、未接通、切換異常等異常事件，主要包括切換過程、重選過程等分析方向，以及配置鄰區相關問題分析。

信令接續類： 該類算法服務于未接通等異常事件，從整個信令接續過程中每個階段進行問題分析，主要包括SDCCH（獨立專用控制信道）過程、鑒權過程、建立過程、TCH分配過程、振鈴接通過程等。

故障檢查算法在業務層主要為以下兩類：

語音質量類： 該類算法主要服務于語音業務質量異常事件，主要包括MOS差等分析方向。

數據質量類： 該類算法服務于FTP下載速率低等數據業務質量異常事件，主要包括EGPRS資源、參數等分析方向。

2.3.3 成因分析算法

成因分析算法在空口障礙方面主要為以下兩類：

覆蓋類：該類算法主要包括覆蓋太強、覆蓋太弱、室內信號泄露等成因。

干擾類：該類算法主要包括同鄰頻干擾、同頻同碼、三階互調干擾等成因。

成因分析算法在配置缺陷方面主要為以下兩類：

切換重選類：該類算法主要包括切換參數、重選參數、鄰區配置等成因。

EGPRS參數類：該類算法主要包括EGPRS資源擁塞、終端開戶信息問題等成因。

其他配置類：該類算法包括部分信道建立定時器設置問題、

數據業務參數配置問題、功能配置問題等成因。

成因分析算法在設備故障方面主要為以下兩類：

設備傳輸類：該類算法主要包括終端異常、小區異常、BSC（基站控制器）異常、核心網異常、Abis接口異常、A接口異常、Gb（GPRS服務支持節點和基站子系統間接口）異常等成因。

天饋器件類： 該類算法主要包括天線接反、天線異常、反射覆蓋等成因。

2.3.4 措施建議算法

措施建議算法在參數調整方面主要為以下四類：

工程參數類：該類算法主要包括調整天線下傾角、天線方位角、檢查頻點等措施。

切換重選類：該類算法主要包括調整切換參數、重選參數、添加鄰區等措施。

EGPRS參數類：該類算法主要包括檢查EGPRS功能狀態，檢查終端開戶信息等措施。

其他參數類：該類算法主要包括設置定時器、數據業務參數，檢查功能配置等措施。

措施建議算法在設備檢修方面主要為以下幾類：

設備傳輸類：該類算法主要包括檢查終端、小區、BSC、Abis、A、Gb口狀態等措施。

天饋器件類：該類算法主要包括檢查天線接反、天線異常、反射覆蓋、室分整改等措施。

2.4 試點情況

我們采用智能無線網絡診斷與優化模式和傳統網絡優化模式進行對比，結合高性能的智能分析平臺，可在一天內由同一組網優團隊實現二輪次或三輪次的網優操作，且人員工作強度適當，該運維模式可長期執行。總體來看，大致可以使同一網優團隊效率提升二倍或三倍。

3 總結與展望

3.1 智能優化與傳統優化模式對比

在傳統優化模式下，當天測試數據很難當天處理完畢，若要滿足當天完成測試、分析、調整、復測就需要打亂整個工作計劃，每天需要工作到很晚，工作強度大。

在智能優化工作模式下，優化人員每天上午可進行第一輪測試（4 h），利用中午休息的時候同時使用智能分析平臺處理上午的測試數據（約1 h）。在處理完畢之后，優化人員可以花很少的時間對處理結果進行決策和篩選（約0.5 h），如有條件或有需要可直接進行網絡調整。下午繼續進行第二輪測試（4 h），然后利用傍晚休息的時候再次使用智能分析處理下午的測試數據（約1 h），在軟件處理完畢之后，優化人員再花很少的時間對處理結果進行決策和篩選（約0.5 h），如有條件或有需要可直接進行網絡調整。

3.2 智能優化模式的優勢

智能無線網絡優化模式更加貼近實際運維工作模式，成為無線網優管理督導和輔助決策的有效手段。可以數倍提升無線網絡優化工程師的工作效率，用于快速提升無線網絡運行性能和業務質量。可以替代人工對大量的系統運行和測量數據進行快速的復雜關聯診斷分析。

3.2.1 體系提升網絡質量

精細： 深入完整的挖掘出網絡結構內在缺陷，答復提升網絡精細覆蓋水平。

全面： 彌補了用戶感知指標方面的優化分析技術不足，全方位提升全網用戶感知水平。

準確： 提供了全面、細致的網絡缺陷分布和優化向導，提升主動優化的決策水平。

3.2.2 從容提升測試強度

快速： 大幅提升分析效率，能夠應對更高拉網測試強度帶來的海量測試數據。

穩定： 分析過程按照固化的經驗算法執行，分析結論不受主觀判斷和測試強度的影響。

3.2.3 優化提升資源效能

可控： 有效把控優化人員優化過程的質量，降低分析質量對個人專業能力的依賴。

決策： 重復性的數據判讀交由高效的分析平臺完成，有限的人力資源投入到更重要的決策環節中。

增效： 全面提升日常優化工作節奏，相同規模的優化隊伍也可發揮出更大的工作效能。

[1]吳寶棟, 肖恒輝, 陸南昌, 等. 無線網絡智能優化系統及其應用[J]. 移動通信, 2012(12): 16-20.

[2]周嵐. 智能路測系統及其在無線網絡優化中的應用[J]. 現代電信科技, 2003(6): 25-26.

[3]宋捷, 馬寶軍, 紀金樹. GSM網絡優化中基礎數據的智能化管理[J].郵電設計技術, 2008(8): 33-38.

[4]錢龍. 基于用戶感知的無線網絡優化平臺[J]. 中國科技信息, 2009(4): 120-121.

[5]于友成. 無線網絡自動優化模型的知識獲取[J]. 電訊技術, 2010(12): 9-13.